买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明公开了一种基于非凸稀疏优化的正则化合成孔径雷达成像方法，主要解决现有SAR成像算法数据量大、成像速度慢、成像质量低的问题。其实现方案为：对回波信号进行采样；对观测场景进行网格划分；根据网格划分结果计算雷达成像观测矩阵；初始化图像幅度向量、图像相位向量及非凸稀疏优化算法的参数；计算稀疏向量与中间向量；利用采样数据、观测矩阵、稀疏向量及中间向量，采用非凸稀疏优化算法分别图像的幅度向量与相位向量进行迭代更新；将更新后的幅度向量与相位向量相乘得到SAR成像结果。本发明能降低对回波信号采样的数据量，加快成像速度，且在保留SAR图像相位的同时提高成像的质量，可用于灾害监测、环境监测、资源勘测及测绘。

主权项：1.一种基于非凸稀疏优化的正则化合成孔径雷达成像方法，其特征在于，包括如下步骤：1采用稀疏采样的方法对合成孔径雷达回波信号进行采样，得到采样后的回波信号s；2根据雷达观测场景大小及分辨率的要求，将观测场景进行网格划分，得到SAR图像矩阵G，并将其串接为一个列向量，即SAR图像向量g；3利用合成孔径雷达的各项参数，计算得到雷达成像观测矩阵H；4初始化非凸稀疏优化算法的参数；5采用非凸稀疏优化算法，分别更新图像幅度向量a、图像相位向量p，并用Nesterov加速算法进行加速：5a利用当前迭代的图像相位向量pk中的元素构建对角矩阵Ip＝diagpk，并计算相位观测矩阵Hp＝HIp；5b利用相位观测矩阵Hp、回波信号s、当前迭代的图像幅度向量ak、稀疏向量dk、中间向量βk，计算幅度中间变量ak+0.5；5c更新Nesterov加速参数，利用幅度中间变量ak+0.5更新图像幅度向量，得到当前迭代更新的图像幅度向量ak+1；5d利用当前迭代更新的图像幅度向量ak+1中的元素，构建对角矩阵Ia＝diagak+1，并计算幅度观测矩阵Ha＝HIa；5e利用幅度观测矩阵Ha、回波信号s、当前迭代的图像相位向量pk，计算得到相位中间变量pk+0.5；5f利用相位中间变量pk+0.5更新图像相位向量，得到当前迭代更新的图像相位向量pk+1；6利用当前迭代更新的图像幅度向量ak+1、图像相位向量pk+1，计算正则化合成孔径雷达的成像结果G'：6a更新SAR图像向量：gk+1＝ak+1pk+1；6b根据更新后SAR图像向量gk+1计算相邻两次迭代的相对变化：其中gk表示gk+1的前一次迭代更新后的SAR图像向量；6c判断E是否达到了设定的相对变化限δ:若E＞δ，在当前迭代次数上加1进入下一次迭代，执行步骤7，更新下次迭代需要的参数向量；若E＜δ，则将当前迭代更新的SAR图像向量gk+1表述为SAR图像矩阵G，完成最终的正则化合成孔径雷达成像；7根据当前迭代的参数向量，采用稀疏字典对待恢复信号的幅度进行稀疏变换，并利用自适应收缩参数λ更新下次迭代需要的稀疏向量dk及中间向量βk，返回步骤5；实现步骤如下：7a利用第k次迭代的图像幅度向量ak、图像相位向量pk计算残差r:r＝Hakpk-s其中，H为成像观测矩阵，s表示回波信号；7b利用残差r，计算该残差r的中位数绝对偏差量MADr：MADr＝median|r-medianr|其中，medianr表示残差r的中值；7c利用残差r的中位数绝对偏差量MADr，计算自适应软阈值收缩参数λ：λ＝e·MADr其中，e为MADr的经验系数；7d初始化稀疏变换循环的迭代次数l＝0，设置循环次数L，初始化稀疏变换循环的稀疏向量dk，0＝dk，计算对偶变量其中，dk,l为第l次稀疏变换循环的稀疏向量，uk,l为第l次稀疏变换循环的对偶变量，Ψ为稀疏变换字典，为稀疏逆变换字典；7e更新稀疏变换循环的稀疏向量：dk,l+1＝|dk,l-lτΨuk,l+lτak+1+βk-dk,l|，其中，lτ为更新稀疏向量的步长，lτ＝1；7f更新对偶变量：其中，lη为更新对偶变量的步长，lη＝0.5，I表示单位矩阵；STλ表示收缩参数λ自适应调整的软阈值算子，其计算如下： 7g判断l是否达到了设定的循环次数：若l＜L，则当前迭代次数l加1，进入下一次稀疏变换迭代，返回步骤7e；若l＝L，则令稀疏向量dk+1＝dk,l+1，并利用该稀疏向量dk+1及图像幅度向量ak+1，更新中间向量βk+1＝βk+ak+1-dk+1，返回步骤5。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于非凸稀疏优化的正则化合成孔径雷达成像方法